27393

مقايسه مدل هاي اده مبنا باا روش هاي تجربي به منطور طراحي هواده در سريز هاي تنداب

ارشد

مهندسي عمران

1401

17/8/1401

ابراهيم جباري

حامد سركرده

عمران

سرريزها ازجمله سازه‌هاي هيدروليكي هستند كه بايستي در مواقع سيلابي، آب اضافي مازاد بر ظرفيت مخزن سد را به‌طور ايمن به پايين‌دست هدايت نمايند. رخداد كاويتاسيون روي سرريزها و تنداب‌ها در شرايط سيلاب، مطالعات خصوصيات جريان روي اين سازه‌ها را به‌عنوان يك ضرورت اجتناب‌ناپذير مطرح نموده است. تخمين صحيح و دقيق مقدار شاخص كاويتاسيون نقش بسزايي در فائق آمدن بر مشكلات فراوان ناشي از كاويتاسيون در سرريز سدها دارد. تحقيقات انجام‌شده در اين زمينه نشان داده‌اند كه مؤثرترين و اقتصادي‌ترين روش براي جلوگيري از اين پديده، هوادهي است. هوادهي جريان به‌عنوان يكي از بهترين روش‌هاي جلوگيري از كاويتاسيون در سرريزها همواره مورد توجه محققين بوده و بررسي تأثير پارامترهاي مختلف بر هوادهي از اهميت ويژه‌اي برخوردار است. به منظور طراحي هواده در تنداب سرريز سد ها، تخمين سه پارامتر (ضريب هوادهي، طول جت پرتابي هواده و زاويه برخورد جت پرتابي هواده با كف تنداب) لازم مي باشد. در گذشته روابط تجربي هيدروليكي مختلفي به منظور تخمين اين پارامتر ها توسط محققين پيشين ايجاد شده است، كه در فصل دوم اين روابط با جزئيات آورده شده است. در اين پژوهش از داده هاي آزمايشگاهي پژوهش انجام شده توسط فيشر و هگر (2010) استفاده شده است. به كمك روابط تجربي و با استفاده از داده هاي آزمايشگاهي به تخمين پارامتر هاي طراحي هواده با استفاده از فرمول هاي تجربي پرداخته شد. در ادامه به طور مشابه از داده هاي آزمايشگاهي استفاده شده و با استفاده از مدل‌هاي داده مبنا نيز تخمين اين پارامتر هاي طراحي صورت گرفت. مدل‌هاي داده مبنا آستفاده شده در اين مطالعه شامل سيستم استنتاج عصبي-فازي تطبيقي (ANFIS) ، شبكه تركيبي الگوريتم‌هاي تكاملي و سيستم استنتاج عصبي-فازي تطبيقي، روش گروهي مدل‌سازي داده‌ها (GMDH) ، الگوريتم درخت تصميم (DT) و ماشين بردار پشتيباني (SVR) مي باشد. در اين تحقيق همچنين كاربرد الگوريتم‌هاي تكاملي و فرا ابتكارانه در طراحي بهينه سيستم استنتاج عصبي-فازي تطبيقي موردبحث واقع‌شده است. در اين سيستم با تركيب الگوريتم‌هاي تكاملي و فرا ابتكاري، با دستگاه‌هاي عصبي فازي، سعي شده است كه تنظيم مقادير بهينه براي پارامترهاي اين سيستم هوشمند، به الگوريتم‌هاي بهينه‌سازي هوشمند محول شود. در اين روش، از چهار الگوريتم شامل ژنتيك پيوسته (GA)، تكاملي تفاضلي (DE)، بهينه سازي گروه مورچه ها (ACO)، بهينه سازي ازدحام ذرات (PSO) براي طراحي بهينه مدل‌هاي فازي استفاده‌شده است. در اين مطالعه به‌منظور طراحي تنداب با استفاده از مدل‌هاي تجربي هيدروليكي و در ادامه مقايسه نتايج به‌دست‌آمده از هركدام از مدل‌ها با روش‌هاي هيدروليكي تجربي نشان‌دهنده عملكرد بهتر مدل‌هاي داده مبنا نسبت به روش‌هاي تجربي موجود است، به‌طوري‌كه در تخمين ضريب هوادهي، در بهترين مدل يعني ANFIS (DE)، R^2 = 0,984 و RMSE = 0.018، در تخمين طول جت هواده، در بهترين مدل يعني ANFIS (DE)، R^2 = 0.963 و RMSE = 1.293 و در تخمين زاويه برخورد جت هواده، در بهترين مدل يعني GMDH، R^2 = 0.960 و RMSE = 0.010 مي باشد.

1401/09/02

Comparison of data base models with experimental methods in design of aerator in chute spillways

11/8/2023 12:00:00 AM

Due to the ever-increasing growth of the population, the need for water increases, the need to build dams and then overflows that have the ability to pass large flows is felt more and more. Potential problems such as Cavitation on chutes in different discharges, especially under flood conditions, have raised the study of flow characteristics on these structures as an unavoidable necessity. One of the solutions to prevent the phenomenon of cavitation is the use of aerators in the direction of Chutes. To design an aerator, the estimation of three parameters aeration coefficient (b), jet length (〖L/h〗_0) and jet impact angle on chute (tang) is essential. So far, to estimate the amount of air entering the flow, different experimental relationships have been presented, which were obtained based on laboratory studies in specific geometric and hydraulic conditions. In this study the applicability of Data-Driven Methods to estimate the parameters required to design an aerator was investigated. The data-driven methods used in this study are group method of data handling (GMDH), support vector machine regression (SVR), Decision tree (DT) and Adaptive Neuro-Fuzzy Interface System (ANFIS). Furthermore The ANFIS model combined with four metaheuristic algorithms, including Differential Evolution (DE), Ant Colony Optimization (ACO), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO), to determine the ANFIS parameters. To do so, employed experimental data which resulted existing empirical relations were used. In Aerated flow estimation used data from chute aerator model at the Laboratory of Hydraulics, Hydrology and Glaciology _VAW_ of ETH Zurich. In this study, three statistical indicators, such as Root Mean Square Error (RMSE), Mean Average Error (MAE), and coefficient of determination (R2), were used to compare the proposed methods with empirical methods. According to statistical indicators, it concludes that data-driven methods are better predicted than empirical methods, So that, compared to the empirical methods, the ANFIS-DE method has the best prediction in estimating b (RMSE = 0.018), 〖L/h〗_0 (RMSE = 1.293) and the tang (RMSE = 0.009).

هوادهي , تنداب , سازه هاي هيدروليكي

Aeration , Chute , Hydraulic structures

Mohsen Hekmat

Ebrahim Jabbari